非线性函数的混沌优化方法比较研究

已有的混沌优化方法几乎都是利用Logistic映射作为混沌序列发生器，而Logistic映射产生的混沌序列的概率密度函数服从两头多、中间少的切比雪夫型分布，不利于搜索的效率和能力。为此，首先根据Logistie映射混沌轨道点密度函数的特点，建立改进的混沌-BFGS混合优化算法。之后，考虑到Kent映射混沌轨道点密度为均匀分布，建立了基于Kent映射的混沌-BFGS混合优化算法。然后对五种混合优化方法——不加改进的和改进的基于Logistic映射的混沌-BFGS法，基于Kent映射的混沌-BFGS法，Monte Carlo试验-BFGS法，网格-BFGS法进行了研究，分别对3个低维和2个高维非线性复杂测试函数进行优化计算，对它们的全局优化计算效率和寻优能力做了比较，并探讨了混合优化方法全局优化性能差异的原因。结果表明，混沌优化方法是与Monte Carlo方法类似的一种随机性试验优化方法。而且，这类优化方法的计算性能至少与以下因素有关：混沌／随机序列的统计性质，优化问题全局最优点位置。